resource constraints | BriefGPT

关键词resource constraints

搜索结果 - 48

AutoTaskFormer: 搜索视觉 Transformer 进行多任务学习
本研究提出了一个名为 AutoTaskFormer 的自动多任务视觉 Transformer 神经架构搜索框架，该框架能够自动识别在多个任务之间共享的权重，并在各种资源约束下提供成千上万的经过良好训练的视觉 Transformer。实验结果
PDFa year ago
MadEye: 自适应摄像头配置提升实时视频分析准确性
MadEye 是一个使用 PTZ 摄像机的摄像机 - 服务器系统，它含有搜索和知识蒸馏算法，使得摄像机能够自动地和不断地调整朝向以最大化负载准确性，实验结果表明，MadEye 在相同的资源使用情况下，将准确度提高了 2.9-25.7% ，或
PDFa year ago
适应性多模感知的顺序贝叶斯优化信息路径规划
本文提出一种通过加入多种传感器数据来进行环境探索的智能体路径规划算法，使用基于高斯过程信念的马尔可夫决策过程进行求解并在线规划中使用顺序贝叶斯优化方法以平衡传感、移动和资源限制，结果表明该方法较以往的算法表现更佳，在资源利用效率和信念平均误
PDF2 years ago
ECCV通过高级零空间在不间断学习中平衡稳定性与可塑性
本文提出了一种新的连续学习方法 Advanced Null Space (AdNS)，通过使用低秩逼近获取新的零空间并将梯度投影到零空间中，从而实现平衡稳定性和可塑性，解决了连续学习中的稳定性 - 可塑性困境，并提出了一种简单而有效的方法
PDF2 years ago
图形连接：一种用于关系型数据库管理系统的新物理连接算法
引入一种新的 n-way equi-join 处理方法 ——GJ，大大提高了 join 算法的性能，解决了资源、时间等限制下现有方法难以应对的问题。
PDF2 years ago
CVPR可控的动态多任务架构
本文提出了一种可控的多任务网络，该网络根据用户所需的任务偏好和资源限制以动态方式调整其架构和权重，并通过利用任务亲和性和一种新的分支规则化损失来训练两个超级网络以预测适应权重的树状模型。
PDF2 years ago
MutualNet: 通过从不同模型配置中相互学习实现自适应的 ConvNet
本文提出使用 MutualNet 方法可以训练单个网络在不同的资源限制条件下进行运行，且本方法适用于各种神经网络架构和任务，并且能够降低训练成本。
PDF3 years ago
CVPR兼容性敏感的异构视觉搜索
本篇研究针对资源限制下的视觉搜索问题，提出了一种通过生成来自大型模型的画廊嵌入和使用紧凑模型提取查询嵌入的方法来减轻准确性和效率之间难以解决的关系，并通过修改参数和架构来实现嵌入之间的兼容性，从而实现了 80 倍和 23 倍的成本降低，而在
PDF3 years ago
CVPR高效推断的动态领域自适应
本文提出了一种动态域自适应框架（DDA），该框架可以在低资源情况下实现高效的目标推理，并继承域适应所带来的有利泛化能力，同时应用领域混淆约束来提高适应性能。
PDF3 years ago
TensorFlow Lite Micro: 嵌入式 TinyML 系统上的机器学习
介绍了一个名为 TensorFlow Lite Micro (TF Micro) 的开源机器学习推理框架，它采用基于解释器的独特方法，旨在解决嵌入式系统资源限制和碎片化挑战等问题。此框架具有低资源需求和最小的运行时性能开销。
PDF4 years ago
AAAIFracBits: 通过小数位宽度实现混合精度量化
提出一种新的基于学习的算法，用于在目标计算约束和模型大小下端到端地推导混合精度模型。该方法能够通过逐渐调整模型中每个层 / 核心的位宽，实现两个连续位宽的分数状态来满足资源约束，使量化的使模型经过量化感知训练，能够最终获得优化的混合精度模型
PDF4 years ago
AdaDeep: 一种面向应用的、自动化的深度模型压缩框架，以实现普适智能移动
AdaDeep 是一种自适应深度神经网络压缩框架，可在考虑性能和资源约束方面自动选择最合适的压缩技术和相应的压缩超参数，可以在减少 DNN 的延迟、提高能效和减少存储的同时保持准确率基本不变。
PDF4 years ago
MM基于边缘云协同异质边缘资源限制下的在线学习
本文提出了一个基于资源限制的多臂老虎机模型的在线学习框架，用于解决异构边缘设备的分布式机器学习问题，实验结果表明，该框架在学习性能和资源消耗之间的权衡方面显著优于现有的边缘学习和其他协作机器学习方法。
PDF4 years ago
资源受限 IoT 设备的联邦学习：全景和现状
提出了一种叫做联邦学习的分散式学习结构，该结构可以在物联网设备中实现机器学习，通过处理来自不同客户端的数据，以预测未来事件。此方法可解决传统机器学习中遇到的通信开销、隐私泄露和安全性等问题，同时也避免了中央服务器的使用。本文讨论了在客户端资
PDF4 years ago
在线分配问题的双镜面下降算法
本文研究在线分配问题，涉及凹收益函数和资源限制，是收益管理和在线广告中的中心问题。通过在线镜像下降，我们提出了一种通用的算法类，可以实现次线性期望遗憾，同时也讨论了这种算法在重复拍卖中的应用。
PDF4 years ago
双动态推断：实现更高效、自适应和可控的深度推断
提出一种双重动态推理框架，采用多粒度学习以及资源依赖的动态推理机制，优化计算资源和预测精度之间的权衡，有效降低计算资源消耗，通过实验验证其优越性。
PDF5 years ago
ICML使用选择性通道分配训练卷积神经网络
本文提出了一种简单的方法，通过通道选择性来提高拥有大规模特征的 CNN 模型的能力，以更有效的资源利用实现更好的泛化性能。
PDF5 years ago
ICCV资源受限的神经网络结构搜索：子模性假设是否有帮助？
通过将神经网络架构搜索问题转化为子模函数集优化问题，并在 CIFAR-100 和 ImageNet 上实现应用，在满足资源限制的前提下获得了比当前面向移动设备的最先进模型更好的性能的高效的启发式搜索方法。
PDF5 years ago
DFANet: 深度特征聚合实时语义分割
本文提出了一种名为 DFANet 的极其高效的卷积神经网络架构，用于在资源有限的情况下进行语义分割。通过子网络和子阶段级联聚合区分特征，通过多尺度特征传播，DFANet 大大减少了参数数量，并提高了模型学习能力，在速度和分割性能之间取得平衡
PDF5 years ago
AutoSlim：一种用于通道数量一次性架构搜索的方法
该研究提出了一种名为 AutoSlim 的单次解决方案，通过单轮迭代评估训练后的可裁剪模型并贪心地裁剪使准确度下降最小的层来获得不同资源限制下的优化通道配置，从而在 ImageNet 分类等任务中取得显著的性能提升。
PDF5 years ago